Système de détection de défauts de soudure de broches CMS basé sur un algorithme amélioré du domaine de connectivité

Pourquoi les minuscules soudures comptent

L'électronique moderne, des téléphones aux voitures, repose sur des cartes remplies de minuscules broches métalliques et de soudures brillantes. Si ne serait-ce que quelques-unes de ces soudures fondent accidentellement et se rejoignent, elles peuvent provoquer un court-circuit, endommager des composants ou causer des pannes mystérieuses dans les produits finis. Cette étude montre comment une méthode d'inspection par caméra plus intelligente peut repérer ces erreurs cachées de manière plus fiable, aidant les usines à maintenir une qualité élevée sans ralentir la production.

Chercher les problèmes avec des yeux numériques

Pour contrôler automatiquement les soudures, les usines s'appuient souvent sur des systèmes de vision machine : des caméras prennent des gros plans des cartes et des logiciels analysent chaque pixel pour décider quelles zones correspondent aux broches métalliques, à la soudure ou à l'arrière-plan. Une approche populaire considère chaque tache continue de pixels clairs comme une région distincte et compte le nombre de pixels qu'elle contient. Une soudure normale a une plage de taille typique, tandis qu'un pont qui relie deux broches tend à être beaucoup plus grand. Dans des agencements simples avec suffisamment d'espace entre les broches, cette méthode de comptage fonctionne bien, signalant rapidement les régions excessivement grandes comme des défauts probables.

Quand les composants sont trop serrés

À mesure que les fabricants miniaturisent les appareils et entassent davantage de composants sur chaque carte, les espaces entre broches deviennent extrêmement réduits. Dans ces zones denses, le comptage standard des régions peut être trompé : deux broches voisines correctement soudées peuvent sembler fusionner en une seule région dans l'image, amenant le logiciel à les étiqueter à tort comme un pont. Le bruit dans l'image et les contours faibles autour de la soudure peuvent aggraver ce problème, entraînant de fausses alertes qui ralentissent l'inspection et peuvent même masquer de vrais défauts derrière un flot d'avertissements erronés.

Une approche en deux étapes pour séparer ce qui paraît collé

Les chercheurs s'attaquent à ce problème en conservant la rapidité de la méthode traditionnelle tout en ajoutant un second examen ciblé là où la première étape aurait pu se tromper. Le système exécute d'abord l'étiquetage de régions et le comptage de pixels habituels pour repérer les zones suspectes qui paraissent trop grandes. Au lieu de les considérer immédiatement comme des défauts, il les découpe en petits patchs et renforce le contraste à l'intérieur afin que des frontières subtiles deviennent plus nettes. Ensuite, il utilise une astuce basée sur la distance qui mesure la distance de chaque point au bord de la région, créant un paysage lisse où les centres des amas de soudure ressemblent à des collines et les espaces entre eux à des vallées.

Laisser de l'eau virtuelle trouver les frontières cachées

Sur ce paysage artificiel, l'équipe applique un procédé appelé watershed, qui imagine de l'eau remplissant les vallées et se rejoignant sur des lignes de crête invisibles. Ces crêtes marquent les frontières probables entre des soudures séparées qui semblaient d'abord fusionnées. En appliquant cela uniquement à l'intérieur des patchs suspects, la méthode garde des besoins de calcul faibles tout en séparant soigneusement les broches qui avaient été fusionnées par erreur. Les régions nouvellement séparées sont ensuite réintégrées dans l'image d'origine, et l'étape de comptage des régions est relancée, cette fois sur une représentation plus propre et plus précise des soudures.

Preuves à partir de cartes réelles

Pour tester le système, les auteurs ont construit un dispositif d'inspection pratique avec une caméra industrielle et un programme basé sur LabVIEW, et l'ont appliqué à un mélange d'images de test publiques et de cartes provenant de leur propre laboratoire. Ils ont mesuré la fréquence à laquelle le système détectait correctement de vrais ponts de soudure et la fréquence à laquelle il donnait de fausses alertes. Sur 300 images de test, la méthode améliorée a conservé une grande précision tout en réduisant nettement les faux positifs sur des broches étroitement espacées. Elle a su distinguer les vrais ponts de soudure des voisins proches inoffensifs et est restée stable face à différentes dispositions et conditions d'éclairage.

Ce que cela signifie pour l'électronique de tous les jours

Pour les non-spécialistes, l'essentiel est que cette approche offre aux fabricants de cartes un regard numérique plus fiable. En combinant un premier passage rapide avec une seconde analyse ciblée, le système peut mieux séparer les ponts de soudure réellement dangereux des soudures inoffensives qui ne font que sembler suspectes. Cela rend l'inspection plus digne de confiance et moins sensible aux agencements encombrés, contribuant à garantir que les minuscules connexions métalliques à l'intérieur des appareils du quotidien fonctionnent comme prévu tout au long de leur vie.

Citation: Xiong, W., Xiao, N. & Wang, R. A SMT pin soldering defect detection system based on improved connectivity domain algorithm. Sci Rep 16, 14789 (2026). https://doi.org/10.1038/s41598-026-44847-0

Mots-clés: détection de pont de soudure, vision par machine, inspection CMS, segmentation d'image, qualité des cartes électroniques